[发明专利]法律数据的知识图谱构建方法及装置

权利要求书

1.法律数据的知识图谱构建方法，其特征在于，所述方法包括：

步骤S101、对法律数据进行知识抽取，以提取用于知识图谱构建的实体、属性以及关系，其中，所述法律数据包括：案件和法律法规数据；

步骤S102、对提取的实体以及关系采取不同的知识表示方式进行建模；

步骤S103、利用gStore作为存储系统，生成能够进行多跳关系查询的法律垂直领域知识图谱。

2.根据权利要求1所述的方法，其特征在于，所述步骤S101，具体包括以下项：

A1：对于结构化的数据，进行分类别实体构建、属性识别以及关系连接；

A2：对于结构化的数据内的非结构化内容，进行包括主体、地点、时间和事件的识别，并且根据所述事件、利用深度学习方法进行案件分类或者法律法规的分类，其中，所述结构化的数据内的非结构化内容包括：类别识别类数据。

3.根据权利要求2所述的方法，其特征在于，在步骤S101之前，所述方法还包括：

对法律和案件之间实体关系的知识进行建模，构建从多种角度出发考虑的层级关系，在protégé中进行多种本体构建。

4.根据权利要求2或3所述的方法，其特征在于，对应所述A1项内容，所述步骤S102具体包括：

生成实体唯一ID标识符；

分别建立实体与对应属性之间的三元组以及不同实体之间关系的三元组。

5.根据权利要求4所述的方法，其特征在于，对应所述A2项内容，所述步骤S102具体包括：

根据所述法律数据得到标注数据集，识别出非通用主体命名实体以及事件实体；

在jieba分词中加入法律相关的词典，以识别提取出法律相关的专有名称实体；

生成词向量，利用神经网络训练模型，针对案件描述或是法律相关词向量识别出类型；

根据类型进行实体类型之间的图谱三元组生成。

6.根据权利要求2所述的方法，其特征在于，所述步骤S101还包括以下项：

A3、对于非显式的隐含数据，建立实体特征，利用特征词向量计算相似度找出相应关系，其中，所述非显式的隐含数据包括：关系探讨类数据。

7.根据权利要求6所述的方法，其特征在于，对应所述A3项内容，所述步骤S102具体包括：

对于结构化中的有用数据字段的非结构化内容生成特征词库；

根据特征词库构建每一条数据以及其对于关系的特征向量；

根据预设公式计算相关性，并且设置阈值，其中，所述公式包括：余弦相似度公式，或，编辑距离公式；

对于检索内容根据相似度最大值返回。

8.根据权利要求5所述的方法，其特征在于，所述步骤S103，具体包括：

将生成的三元组组合为一个NT文件，并且利用bin/gbuild命令语句构建图数据库；

利用sparql语句进行多跳关系的查询。

9.法律数据的知识图谱构建装置，其特征在于，包括：

识别模块，用于对法律数据进行知识抽取，以提取用于知识图谱构建的实体、属性以及关系，其中，所述法律数据包括：案件和法律法规数据；

表示模块，用于对提取的实体以及关系采取不同的知识表示方式进行建模；

存储生成模块，用于利用gStore作为存储系统，生成能够进行多跳关系查询的法律垂直领域知识图谱。

10.法律数据的知识图谱构建装置，其特征在于，包括：

一个或者多个存储器，其上存储有可执行程序；

一个或者多个处理器，用于执行所述存储器中的所述可执行程序，以实现权利要求1-8中任一项所述方法的步骤。